Штатний інженер з аналітики

Про Плео
Безладне управління витратами – складна справа. І виснажливі процеси є безпрограшною ситуацією для всіх учасників, а не лише для фінансів. У Pleo ми це змінюємо. Ми розробляємо рішення щодо витрат, які роблять управління грошима безперебійним, розширюючи можливості та напрочуд ефективним як для фінансових команд, так і для співробітників – з баченням допомогти всім компаніям «вийти за межі».
Слово «Pleo» насправді означає «більше, ніж ви очікували», і життя за цією мантрою було секретом нашого успіху протягом останніх 10 років.
Зараз ми перебуваємо в ключовий момент нашої подорожі; кожен наш крок має прямий вплив на наших понад 40 000 клієнтів, наш бізнес і наш спільний успіх. Нам потрібні люди, які пишаються тим, що розкривають потреби клієнтів, які перетворюють складні проблеми на прості рішення, кидають виклик тому, як все робиться (з повагою), і завжди ставлять високі цілі. З великими амбіціями, які ведуть нас вперед, ми не можемо сказати, що все це зрозуміли. І, чесно кажучи, це половина задоволення! Що ми можемо сказати, так це те, що ми є ініціативною, прогресивною і, що важливо, доброю групою з 850+ людей із понад 100 національностей, які всі разом віддані справі майбутнього ділових витрат.
Про роль
Це посада старшого окремого учасника в нашій команді служби даних і управління, де ви виконуватимете роль ідейного та технічного лідера, який володіє семантичним рівнем і стандартами аналітики для Pleo. Це означає, що ви не будете володіти доменом, але ви будете володіти тим, як добре виглядає в усіх них, розробляючи, покращуючи, підтримуючи та проповідуючи наші стандарти моделювання та доповнені штучним інтелектом методи розробки, з якими працює кожен інженер Analytics, незалежно від того, в якій команді він працює.
Семантичний рівень, який ви розроблятимете та підтримуватимете, буде єдиним джерелом правди, до якого запитують агенти ШІ, інструменти BI та аналітики. Це фундаментальна робота з охопленням усієї компанії, яка буде ідеальною для вас, якщо вам подобається будувати речі з нуля. Наш семантичний шар все ще знаходиться на дуже ранній стадії. Вибір інструментів живий, і ця роль має сильний голос у ньому. Наш стек BI також перебуває в стадії переходу, тому ви не успадкуєте зрілу установку та не підтримуватимете її. Ви б вирішували, яким він має бути, а потім будували його.
Для додаткового контексту наш стек технологій наразі включає: GCP, BigQuery, dbt Core, Airflow, SQL, Python, Claude Code, GitHub Copilot.

З ким ти будеш працювати
Ви підпорядковуватиметеся менеджеру з розробки даних, який керує командою Data Infra & MLOps, а також групою Data Services & Governance. Ваші першочергові стосунки будуть з інженерами аналітики, вбудованими в функцію Intelligence, які мають звертатися до вас за вказівками щодо архітектури, рішеннями семантичного рівня та запитаннями щодо стандартів. Ви також співпрацюватимете зі штатним інженером із обробки даних щодо стандартів розробки даних і практик конвеєрів, а також з іншими щодо самообслуговування аналітики та керування інструментами BI. Ви спілкуватиметеся з командою обслуговування даних щодо визначення об’єктів і з командою платформи GenAI про те, як виглядають готові для ШІ дані на межі платформи.

Що ти будеш робити

• Володійте семантичним рівнем: визначте, що таке визначення метрики, як воно структуроване, де воно живе та як воно виконується. Метою є одне канонічне визначення щомісячного періодичного доходу (MRR), відтоку, транзакції, клієнта, яке використовується аналітиками, інструментами BI та інструментами ШІ без розбіжностей. Ви робите це реальним, а не бажаним.

• Встановіть стандарти моделювання даних для функції: як виглядає чиста, багаторівнева, добре перевірена архітектура dbt у всіх доменах, на всіх рівнях складності.

• Створіть і запустіть практичну спільноту Analytics Engineering, включаючи перевірки коду, спільні шаблони, документацію, адаптацію тощо. Мета полягає в тому, щоб створити соціальну інфраструктуру, яка забезпечує дотримання стандартів.

• Володіти власною практикою розробки ШІ. Використовуйте інструменти кодування штучного інтелекту як рідну частину того, як ви пишете, переглядаєте та переміщуєте моделі даних (не як демонстрацію, а як фактичний робочий процес). Оцініть, що працює в контексті керованої інженерії даних, що створює ризик, і сформулюйте, як це сприйме спільнота розробників Analytics.

• Керуйте відповідальною роботою з міграції, доповненою штучним інтелектом, використовуючи інструменти штучного інтелекту для прискорення моделювання даних і міграції через сховище аналітичних даних і платформу операційних даних.

• Проектуйте моделі даних і визначення метрик у задокументований і структурований спосіб, що забезпечує надійне використання послугами ШІ без втручання людини.

• Залучайте розробників серверної частини та інженерів продуктів, щоб забезпечити дисципліну щодо контрактів на дані та право власності на схему, а не керувати неузгодженістю на нижньому етапі.

• Зробіть внесок у продукти даних і штучного інтелекту для зовнішньої аналітики, орієнтованої на клієнтів, де зростають потреби та можливості в моделюванні даних і розмовній аналітиці.

Що ви приносите

• Глибокий продемонстрований досвід у dbt і практиках моделювання: не просто сильне моделювання, але сформоване уявлення про те, як має виглядати архітектура моделювання в межах функції. Ви можете захищати компроміси, навчати їх і застосовувати їх у командах, якими ви не керуєте.

• Глибокий досвід роботи з BigQuery та SQL, включаючи продуктивність, витрати та архітектурні проблеми складних аналітичних областей.

• Реальний досвід володіння семантичним рівнем (LookML, dbt MetricFlow або еквівалент). У вас є точка зору на те, як має виглядати узгодженість показників у масштабі, що ламається, коли цього не відбувається, і як це спроектувати, щоб інструменти штучного інтелекту могли використовувати його, не погіршуючи довіру.

• Внутрішня практика розробки ШІ в контексті інженерії даних. Ви використовуєте інструменти кодування штучного інтелекту (Claude Code, GitHub Copilot або еквівалент) як справжню частину вашої роботи, і ви можете конкретно визначити, де вони додають реальну цінність, а де створюють ризик у керованій кодовій базі аналітики.

• Досвід встановлення стандартів у командах, якими ви безпосередньо не керуєте, і спонукання їх дотримуватись за допомогою ефективних методів впливу, а не покладатися на авторитет.…

Джерело: Arbeitnow (https://www.arbeitnow.co.uk/jobs/companies/pleo/staff-analytics-engineer-united-kingdom-196102)